Skip to main content

کہاں سے شروع کریں: مہینوں نہیں، دنوں میں ایجنٹک اے آئی انجینئر بنیں

اے آئی سیکھنے کے لیے آپ کے پاس مہینے نہیں ہیں۔ اچھی خبر یہ ہے کہ آپ کو مہینوں کی ضرورت بھی نہیں۔

یہ حصہ beginner سے ایسے ایجنٹک اے آئی انجینئر تک پہنچنے کا سب سے مختصر راستہ ہے جو واقعی چیزیں ship کر سکے۔ یہ راستہ semesters میں نہیں، دنوں میں ناپا گیا ہے۔

  • تقریباً 6 گھنٹوں میں productive۔ بنیادیں (کورسز 1-2) اور اس کے بعد آپ کا پہلا mode course (کورس 3، 4، یا 7)۔
  • ایک weekend میں اپنا پہلا ڈیجیٹل ایف ٹی ای شپ کریں۔ کورسز 7-9، شروع سے آخر تک۔
  • focused evenings کے ایک مہینے میں پورے Agent Factory stack پر fluency۔ تمام 16 کورسز، evals کی نگرانی اور cloud deployment کے ساتھ۔

یہ طریقہ کیوں کام کرتا ہے​

جس شخص نے کبھی کم پس منظر کے ساتھ نئی job شروع کی ہو اور کام سنبھال لیا ہو، وہ یہ pattern جانتا ہے۔ پہلے آپ کام کا overview لیتے ہیں۔ دوسرا آپ چند ایسے topics پہچانتے ہیں جو واقعی job کرنے کے لیے critical ہوتے ہیں۔ تیسرا آپ ہر topic کا وہ 80% سیکھتے ہیں جو routine میں استعمال ہوتا ہے، کام شروع کرتے ہیں، اور باقی چیزیں راستے میں سیکھتے جاتے ہیں۔ reference material ہمیشہ ساتھ رہتا ہے۔ اس کتاب میں وہ reference خود کتاب کے chapters ہیں۔ ہر chapter اس لیے لکھا گیا ہے کہ جب gap آئے تو آپ اسے پڑھ سکیں۔

تین قدموں کا تدریسی طریقہ: overview، اہم چیزوں کی شناخت، پھر critical 80% cover کر کے ship کرنا اور باقی real use سے سیکھنا

ہر topic کی ہر detail پہلے ہی سیکھنے کی کوشش میں مہینے لگ جاتے ہیں۔ آپ کچھ ship کرنے سے پہلے ہی تھک جائیں گے۔ ہمارا تدریسی طریقہ اس کے الٹ philosophy پر بنا ہے: critical 80% cover کریں، آپ کو کام پر لگائیں، اور باقی علم real use سے مکمل ہوتا جائے۔ اس section کا ہر فوری کورس اسی سوچ کے مطابق design کیا گیا ہے۔

اس کتاب پر ایک نوٹ۔ اس section کے فوری کورسز آپ کو جلدی کام کے قابل بناتے ہیں۔ کتاب کے chapters آپ کا post-course reference ہیں۔ جب real work میں gap سامنے آئے تو آپ دوبارہ ان کی طرف لوٹ سکتے ہیں۔

تھیسس سے شروع کریں​

سب سے پہلے تھیسس پڑھیں۔ یہ دو versions میں ہے: ایک technical اور business professionals کے لیے، اور ایک absolute beginners کے لیے، تاکہ پس منظر کچھ بھی ہو ہر reader follow کر سکے۔ تھیسس کے بعد Foundations آتی ہیں: کورس 1 prompting پر، اور کورس 2 سوچنے پر۔ ہر reader اپنا mode چننے سے پہلے یہ دونوں کورسز لیتا ہے۔

آپ کو جو mental model چاہیے وہ یہ ہے: اے آئی era میں کام تین layers میں ہوتا ہے۔ آپ general agents کو problems solve کرنے کے لیے استعمال کرتے ہیں۔ آپ specialized jobs کے لیے AI Workers بناتے ہیں۔ پھر ان Workers کو ملا کر AI-Native Companies بناتے ہیں۔ ہر professional engagement ایک ہی طرح شروع ہوتی ہے: ایک انسان general agent کو direction دے رہا ہوتا ہے۔ اصل سوال صرف یہ ہے کہ کون سا agent، اور یہ اس بات پر depend کرتا ہے کہ آپ کیا حاصل کرنا چاہتے ہیں۔

ناموں پر ایک quick note۔ اس کتاب میں AI Worker، Digital FTE، اور AI Employee ایک ہی idea کے نام ہیں: ایک specialized agentic system جو human-defined policy کے تحت real job کرتا ہے۔ جب business value پر زور ہو تو ہم Digital FTE کہتے ہیں، implementation پر زور ہو تو AI Worker، اور company کے اندر role پر زور ہو تو AI Employee۔ کسی بھی اور unfamiliar term کے لیے glossary آپ کا ساتھی ہے۔

آپ کا سفر​

یہ arc ہے: آپ جہاں ہیں وہاں سے اس جگہ تک جہاں یہ section آپ کو لے جاتا ہے:

Beginner سے AI-Native Company Architect تک آپ کا سفر، چھ مراحل میں

آپ کو لازمی پورا path چلنے کی ضرورت نہیں۔ زیادہ تر readers stage 3 یا 4 پر رک جاتے ہیں، اور serious career یا first startup کے لیے اتنا کافی ہے۔ مکمل path اس لیے موجود ہے کہ اگر آپ آگے جانا چاہیں تو راستہ واضح ہو۔

اپنا Mode چنیں​

تھیسس کا section general agent use کے دو modes بتاتا ہے کہ لوگ general-purpose agents کو حقیقت میں دو طریقوں سے استعمال کرتے ہیں۔ Mode 1 اس وقت جب آپ AI سے اپنا کام تیز کروانا چاہتے ہیں۔ Mode 2 اس وقت جب آپ ایسا AI بنانا چاہتے ہیں جو آپ کے لیے کام کرے۔ "Manufacturing" کا لفظ industrial لگتا ہے، اور واقعی ہے بھی۔ Workers بنانا انہیں استعمال کرنے سے مختلف discipline ہے۔

Mode 1 بمقابلہ Mode 2: Mode 1 میں agent کام کرتا ہے؛ Mode 2 میں agent ایسا Worker بناتا ہے جو کام کرتا ہے

Mode 1: Problem-SolvingMode 2: Manufacturing
یہ چنیں اگر آپ...چاہتے ہیں کہ AI آپ کو کام تیز کرنے میں مدد دےایسے AI Workers بنانا چاہتے ہیں جو آپ کے لیے کام کریں
یہ کن کے لیے ہےکوئی بھی: engineers یا knowledge workersEngineers، یا ایسا knowledge worker جو engineer کے ساتھ paired ہو
آپ کا toolClaude Code/OpenCode یا Claude Cowork/OpenWorkClaude Code/OpenCode build کرنے کے لیے؛ course pages concepts سکھاتے ہیں جنہیں آپ پہلے خود پڑھتے ہیں، پھر agent سے build کرواتے ہیں
یہاں سے شروع کریںکورس 3 (engineers) یا کورس 4 (knowledge workers)کورس 7: AI Agents بنانا
آپ کیا produce کرتے ہیںمکمل شدہ کامایسا Worker جو خود work produce کرتا ہے
Governance کس سے ہوتی ہےSeven Principles of Problem SolvingSeven Invariants of the Agent Factory

Mode 1 پر ایک نوٹ۔ اگر آپ Mode 1 کو مزید آگے لے جانا چاہتے ہیں اور ایسا personal AI assistant deploy کرنا چاہتے ہیں جو آپ کے daily workflows خود چلائے، تو principles course کے بعد OpenClaw with General Agents (کورس 6) follow کریں۔

Mode 2 پر ایک نوٹ۔ general agent کا output خود outcome نہیں ہوتا۔ وہ Worker ہوتا ہے جو outcome produce کرتا ہے۔ ایک developer Claude Code استعمال کر کے code-reviewing Worker کی spec بناتا ہے، اسے build کرتا ہے، اور deploy کرتا ہے۔ ایک finance analyst، engineer کے ساتھ مل کر، Claude Code کے ذریعے close-process Worker کی spec بناتا ہے جو ہر month-end پر چلتا ہے۔ tool وہی ہے، discipline وہی ہے، domain مختلف ہے۔

آپ کا Starter Path​

اگر Mode picker اب بھی abstract لگتا ہے تو یہی decision مکمل concrete شکل میں دیکھیں: جو row آپ سے match کرتی ہے وہ چنیں اور leftmost course سے شروع کریں۔ ہر path universal Foundations (کورسز 1-2) سے شروع ہوتا ہے۔

آپ کون ہیں...آپ کا starter pathپہلا milestone
Absolute beginnerتھیسس -> کورس 1 (Prompting) -> کورس 2 (Thinking)Foundations مکمل؛ پھر نیچے کسی mode کے ساتھ آگے بڑھیں
Knowledge workerFoundations (کورسز 1-2) -> کورس 4 (Cowork) -> کورس 5 (Principles)AI کے ساتھ real knowledge work ship کریں
EngineerFoundations (کورسز 1-2) -> کورس 3 (Claude Code) -> کورس 7 -> کورس 8 (FTE)اپنا پہلا Digital FTE ship کریں
Workforce builderEngineer path، پھر کورس 10 (Paperclip) -> کورس 13 (Evals) -> کورس 14 (Deploy)ایک governed اور cloud-deployed AI workforce

کورسز​

shipped Digital FTE تک سب سے تیز path: Foundations (کورسز 1-2) -> کورس 3 -> کورس 7 -> کورس 8 -> کورس 13 (Reader track)۔ تقریباً 12 گھنٹے focused work۔ باقی courses اس Digital FTE کو governed workforce میں بدلتے ہیں، مگر پہلا Digital FTE ship کرنے کے لیے وہ لازمی نہیں۔

depth کے حساب سے کل وقت: Mode 1 (AI کے ساتھ productive) ~5h * Mode 2 minimum (پہلا Digital FTE) ~12h * Mode 2 full (governed workforce) ~25h * مکمل Agent Factory mastery ~45h، cloud deployment course کے ساتھ۔

شروع کرنے سے پہلے دو prerequisites سب کے لیے مشترک ہیں: modern AI prompting اور AI era میں سوچنا سیکھنا۔ اس کے بعد path mode کے حساب سے تقسیم ہوتا ہے۔

بنیادیں (سب کے لیے)​

  1. AI Prompting in 2026 - ChatGPT، Claude، اور Gemini کو 2026 میں اچھی طرح استعمال کرنے کا 45 منٹ کا، 13-concept primer: context، reasoning modes، deep research، multimodal، اور AI desktop apps۔ یہی mechanics ہیں جنہیں اس کتاب کا ہر chapter پہلے سے معلوم سمجھتا ہے۔

  2. How to Think in the AI Era - زیرِ تکمیل۔ وہ cognitive discipline جو AI سے real value لینے والوں کو باقی لوگوں سے الگ کرتا ہے: agent کب استعمال کرنا ہے، کب نہیں، اور problem کو اس طرح frame کیسے کرنا ہے کہ agent واقعی مدد کر سکے۔

عمومی ایجنٹس (اپنا کو-ورکر چنیں)​

یہ وہ general-purpose agents ہیں جنہیں آپ آگے ہر mode میں direct کریں گے۔ Engineers coding agent چنتے ہیں؛ knowledge workers desktop co-working agent چنتے ہیں۔ دونوں Mode 2 میں بھی دوبارہ استعمال ہوتے ہیں۔ یہ صرف Mode 1 کے لیے مخصوص نہیں، بلکہ ہر mode کے نیچے tool layer ہیں۔

  1. Agentic Coding Crash Course: Claude Code and OpenCode - Claude Code اور OpenCode کا 90 منٹ کا، 15-concept tour۔ vocabulary ایک جیسی، keybindings تھوڑی مختلف؛ skills دونوں tools میں صاف transfer ہوتی ہیں۔ Engineers کے لیے general-agent starting point۔

  2. Cowork Crash Course - Claude Cowork پر 90 منٹ کا، 15-concept primer: real desktop knowledge work delegate کرنا، autonomy ladder، prompt-injection defenses، اور plan-review habit جو زیادہ تر regrets کو روک دیتی ہے۔ Knowledge workers کے لیے general-agent starting point۔

موڈ 1: مسئلہ حل کرنے کا ٹریک​

  1. Problem Solving with General Agents - 90 منٹ کا، 7-principle crash course جو وہ operating discipline سکھاتا ہے جس سے کوئی بھی general agent: Claude Code، OpenCode، Cowork، یا OpenWork، ایک clever toy سے real work ship کرنے والے tool میں بدلتا ہے۔ سات principles چاروں tools پر apply ہوتے ہیں: Bash as the key، code as the universal interface، verification as a core step، small reversible decomposition، persisting state in files، constraints and safety، اور observability۔ اس میں four-phase workflow بھی شامل ہے: explore، plan، implement، commit، اور ایک capstone exercise بھی۔

  2. OpenClaw with General Agents - 90 منٹ کا، 6-scenario hands-on course جہاں آپ کا general agent OpenClaw پر Personal AI Employee install اور configure کرتا ہے: zero سے phone پر AI Employee تک، ایک custom skill، ایک MCP tool، ایک heartbeat task، اور آخر میں ACP-spawn demo جہاں AI Employee اپنے coding agent کو خود summon کرتا ہے۔ Karpathy کی "little skill" کو expand کرتا ہے۔ Prereq: کورس 3۔

موڈ 2: مینوفیکچرنگ ٹریک​

یہ manufacturing path سات moves میں end-to-end چلتا ہے: Agent بنائیں، اسے Employee میں promote کریں، Employees کو nervous system سے connect کریں، management add کریں، hiring کو dynamic بنائیں، founder کو bottleneck سے آزاد کریں، اور evals کے ذریعے ثابت کریں کہ پوری workforce measurably trustworthy ہے۔ آخری move کے بغیر manufacturing unprovable رہتی ہے۔ جن Workers کو آپ measure نہیں کر سکتے، انہیں آپ حقیقت میں ship نہیں کر سکتے۔

  1. Build AI Agents Crash Course - OpenAI Agents SDK پر 90 منٹ کا، 16-concept primer: agent loop، tools، sessions، streaming، handoffs، guardrails، tracing، day-1 evals، human approval، Cloudflare پر sandboxed runtime with R2 persistence، اور cost discipline کے لیے DeepSeek V4 Flash۔ Prereq: کورس 3۔

  2. From Agent to Digital FTE - basic agent کے اوپر durable Worker کی foundation بنانے کی 4-hour workshop: portable Skills، Postgres with pgvector as the system of record، Model Context Protocol as the wire between them، audit-trail discipline، approval as the authority model، اور end-to-end بنایا گیا customer-support Worker۔ 15 concepts، 8 build decisions۔ Quick Win in 15 minutes؛ cheat-sheet skim in 90؛ full build کے لیے تقریباً 3 مزید گھنٹے۔ Prereq: کورس 7۔

  3. From Digital FTE to Production Worker with a Nervous System - 90 منٹ کا، 15-concept course جو آپ کے Digital FTE کو Inngest operational envelope میں wrap کرتا ہے: durable execution، event-driven triggers، step memoization، concurrency and throttling، replay، اور HITL gates۔ customer-support Worker کو extend کرتا ہے تاکہ وہ network blips، restarts، اور long-pending approvals کے باوجود زندہ رہے۔ Prereq: کورس 8۔

  4. Building a Workforce with Paperclip - 90 منٹ کا، 6-scenario hands-on course جہاں آپ کا coding agent Paperclip کھڑا کرتا ہے (open-source، MIT-licensed AI-native company control plane)، ایک keyless local Worker hire کرتا ہے، board approval کو permanent audited decision record کے طور پر file کرتا ہے، real Gemini-backed Worker swap کرتا ہے تاکہ budget کے پاس آخرکار meter کرنے کے لیے billable work ہو، اور activity log کے against ایک SQL query سے پوری company history reconstruct کرتا ہے۔ Scenarios 1-4 اور 6 کسی API key کے بغیر چلتے ہیں؛ صرف budget scenario کے لیے free Gemini key چاہیے۔ Prereq: کورس 8 یا کورس 6۔

  5. From Fixed to Dynamic Workforce - آدھے دن کی، 15-concept اور 7-decision workshop جہاں Course 10 کی workforce capability gap detect کرتی ہے، hire proposal draft کرتی ہے، اسے اسی approval primitive سے گزارتی ہے جو $500 refund کو gate کرتا ہے، اور Claude Managed Agents پر Legal Specialist provision کرتی ہے۔ Hiring as a callable function۔ Invariant 6 close کرتا ہے: workforce policy کے اندر expandable ہے۔ Prereq: کورس 10۔

  6. From Founder Bottleneck to Owner Delegate - آدھے دن کی، 15-concept اور 7-decision workshop جہاں workforce کا owner OpenClaw پر Owner Identic AI configure کرتا ہے: یہ routine Paperclip approval requests پڑھتا ہے، signed delegated envelope کے اندر والی approvals clear کرتا ہے، اور صرف وہ decisions surface کرتا ہے جنہیں واقعی human چاہیے۔ owner آخری bottleneck ہے۔ یہ course اسے remove کرتا ہے۔ Invariant 2 close کرتا ہے: ہر human کو delegate چاہیے۔ mock endpoints، rules templates، اور sample judgment context کے ساتھ downloadable lab starter zip ship کرتا ہے۔ Prereq: کورس 11۔

  7. Eval-Driven Development for AI Employees - وہ discipline جو manufacturing arc کو close کرتا ہے اور Courses 3 through 12 میں بنی ہر چیز کو wrap کرتا ہے۔ چار learning tracks: Reader (~3-4 hours، conceptual)، Beginner (~1 day)، Intermediate (~2 days)، Advanced (~3 days for full implementation)۔ 15 concepts plus 7-decision lab۔ یہ nine-layer evaluation pyramid سکھاتا ہے: unit، integration، output، tool-use، trace، RAG، safety، regression، production؛ اور وہ four-tool stack جو اسے fill کرتا ہے: OpenAI Agent Evals with trace grading، DeepEval، Ragas، Phoenix۔ end state: ایسی workforce جس کا ہر member measurably trustworthy ہو، weekly trace-to-regression-test promotion ritual کے ساتھ جو eval suite کو مہینوں تک alive رکھتا ہے۔ Reader track leaders کے لیے؛ Advanced track shipping teams کے لیے۔ OpenAI Agents SDK یا Claude Managed Agents runtime میں سے کسی ایک کا assumption ہے۔

  8. Agent Harness کو Cloud پر Deploy کریں - Manufacturing track کی cloud shipping course۔ یہ harness کو sandbox سے الگ کرنا سکھاتی ہے: control plane secrets، agent loop، state، اور audit رکھتا ہے؛ execution plane generated code کو isolated sandbox میں چلاتا ہے۔ FastAPI on Azure Container Apps، Neon Postgres، Cloudflare R2، sandbox execution، observability، اور Course 13 eval suite کو CI gate کے طور پر connect کرنا۔ چار tracks: Reader سے Advanced تک؛ 17 concepts اور 9-decision agent-led lab۔ Prereq: کورس 13۔

  9. Agentic Architectures چننا - pattern selection پر conceptual crash course: five-question decision tree آپ کو four core patterns تک لے جاتی ہے: sequential workflow، single agent + ReAct + tools، planning + ReAct execution، یا multi-agent specialist system؛ reflection کو optional quality layer کے طور پر add کرتے ہوئے۔ Overshoot vs undershoot، failure signals، deployment topology، اور eval stack کے ساتھ composition۔ Prereq: agents build اور evaluate کرنے کی basic ability۔

  10. Payment-Enabled Agents: ACP، AP2، x402، اور MPP - وہ چار protocols جو agents کو money move کرنے دیتے ہیں: ACP shopping کے لیے، AP2 authorization کے لیے، x402 HTTP-native machine payments کے لیے، اور MPP sessions کے لیے۔ مرکزی idea: یہ layers ہیں، rivals نہیں۔ use case کو Discovery، Authorization، Commerce، Settlement میں break کریں، ہر layer پر protocol choose کریں، اور OpenAI Agents SDK tools + tool_input_guardrail کے ساتھ compose کریں۔ Prereq: کورس 7؛ کورس 9 اور کورس 14 کے ساتھ naturally pair ہوتا ہے۔

حوالہ جات اور ساتھی مواد​

  1. Which AI Employees Should You Use in 2026? - پانچ tools، آپ کی identity اور ضرورت کے مطابق matched۔ ایک منٹ سے کم وقت میں اپنا starting point تلاش کریں۔

  2. Cheatsheets - اس کتاب کے key tools کے لیے interactive quick-reference cards: Claude Code، Claude collaborative workspace، اور OpenClaw۔

  3. Agentic Engineering Fundamentals - 45 منٹ کا primer اس engineering discipline پر جو اس section کی ہر چیز کو support کرتا ہے: agent-based systems کو اسی rigor کے ساتھ design، ship، اور operate کیسے کرنا ہے جس طرح کسی بھی production software پر کرتے ہیں۔ Course 8 سے آگے جانے والوں کے لیے optional companion read۔

دوسرا مستقل companion glossary ہے۔ دونوں tabs میں open رکھیں۔

ختم کرنے کے بعد آپ کے پاس کیا ہوگا​

جب آپ اس section کے آخر تک پہنچیں گے تو آپ صرف Agent Factory thesis کو سمجھ نہیں رہے ہوں گے؛ آپ اس کے مطابق build کر چکے ہوں گے۔ آپ general agents استعمال کر کے real work ship کر چکے ہوں گے۔ آپ کم از کم ایک Digital FTE deploy کر چکے ہوں گے جو آپ کے بغیر چلتا ہے۔ آپ اسے nervous system سے connect کر چکے ہوں گے، اسے Paperclip-governed workforce کے اندر رکھ چکے ہوں گے، اس workforce کو اپنے colleagues hire کرتے دیکھ چکے ہوں گے، اور Identic AI کے ذریعے خود کو اس کا bottleneck بننے سے آزاد کر چکے ہوں گے۔ آپ پوری چیز کو اپنے لکھے ہوئے evals میں wrap کر چکے ہوں گے، تاکہ آپ prove کر سکیں، صرف hope نہ کریں، کہ ہر Worker trustworthy ہے۔

یہی اس کتاب اور ہر دوسرے AI course میں فرق ہے: آپ notes کے ساتھ ختم نہیں کرتے۔ آپ working AI workforce کے ساتھ ختم کرتے ہیں۔

اور کتاب useful رہتی ہے۔ chapters وہ reference ہیں جس کی طرف آپ stuck ہونے پر دوبارہ رجوع کرتے ہیں۔

اس section کے بعد آنے والی ہر چیز اسی کو refine کرتی ہے جو آپ پہلے ہی build کر چکے ہیں۔ اب اپنا mode چنیں اور شروع کریں۔